MétaCan
Menu
Retour à la cohorte
Enregistrement W4414229482 · doi:10.1109/access.2025.3610430

Dynamical Stability Analysis of Grid-Following and Grid-Forming Inverters With Blockchain Integration for Enhanced Performance in Modernized Nested Microgrids

2025· article· en· W4414229482 sur OpenAlexaff
Rajdip Debnath, Abdullah Umar, Gauri Shanker Gupta, Deepak Kumar, Innocent Kamwa, Prashant K. Jamwal

Notice bibliographique

RevueIEEE Access · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésController (irrigation)Control theory (sociology)ScalabilityFlexibility (engineering)Distributed generationRobustness (evolution)Stability (learning theory)Synchronization (alternating current)

Résumé

récupéré en direct d'OpenAlex

The integration of renewable energy sources and distributed energy resources (DERs) has driven the evolution of modernized nested microgrids, enhancing resilience and flexibility in power distribution systems. Grid-following (GFL) and grid-forming (GFM) inverters are central to these systems, with GFL units emulating current sources challenged by uncertain grid impedance, and GFM units emulating voltage sources required to adapt to dynamic load variations. Mode transitions introduce instability through multi-loop control interactions. This work presents a comprehensive dynamical stability analysis of GFL and GFM inverters in nested microgrids, supported by advanced control strategies addressing dynamic response limitations, sensor dependencies, filter fluctuations, and controller complexities. An eigenvalue-based framework identifies dominant oscillatory modes, while online adaptation mitigates disturbances to preserve closed-loop performance. Time-evolution modeling of observables enables enhanced real-time monitoring. A blockchain-enabled decentralized framework ensures secure, transparent, and automated stability actions. Hardware-in-the-loop (HIL) experiments on a modified IEEE 123-node test feeder demonstrate a total harmonic distortion (THD) of 1.75% under weak-grid conditions compared with 2.73%, 4.76%, 8.40%, and 2.2% for other approaches and 0.3% under grid-impedance variation and <0.3% under nonlinear loading. The proposed controller achieves 0.06% tracking error dynamics and 0.02% steady-state error, outperforming classical methods (0.32–0.87% and 0.17–0.38%, respectively), with a computational time of 29 ms. The blockchain layer, implemented on the Polygon network, achieved a measured throughput of 1,572 transactions/s, an average block time of 2.3 s, and transaction fees below $0.01 USD, enabling rapid, economical, and scalable peer-to-peer stability service execution.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,278
Score d'incertitude au seuil0,543

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,239
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetMicrogrid Control and OptimizationTravaux en français237 207